使用 R 中的简单数据集的等高线图答案

【问题标题】：Contour plot using the simple set of data in R使用 R 中的简单数据集的等高线图
【发布时间】：2013-01-18 01:30:03
【问题描述】：

您好，我一直在尝试使用简单数据集创建简单轮廓。

使用的数据集如下：

 dput(elevation)
structure(list(x = c(1L, 2L, 3L, 5L, 10L, 12L, 13L, 9L), y = c(5L, 
20L, 18L, 25L, 31L, 25L, 8L, 12L), z = c(5L, 10L, 15L, 8L, 7L, 
6L, 2L, 4L)), .Names = c("x", "y", "z"), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6", "7", "8"))

我只是将上面的数据合并到一个名为elevation.csv的文件中

我使用 loess 和 expand.grid 函数进行插值。黄土模型中的度数和跨度如何选择？

我之前绘制的代码如下：

require(ggplot2)    
require(geoR)
elevation <- read.table("elevation.csv",header=TRUE, sep=",")
elevation

elevation.df <- data.frame(x=elevation$x,y=elevation$y,z=5*elevation$z)
elevation.df
elevation.loess=loess(z~x*y, data=elevation.df,degree=2,span=0.25)
elevation.fit=expand.grid(list(x=seq(1,13,2),y=seq(5,30,4)))
elevation.fit[1:20,]
z = predict(elevation.loess,newdata=elevation.fit)
elevation.fit$Height=as.numeric(z)
v <- ggplot(elevation.fit,aes(x,y,z=Height))
v1 <- v+stat_contour(aes(colour=..level..))+geom_point(data=elevation.df,aes(x=x,y=y,z=z))
direct.label(v1)

我不确定我得到的结果是否准确。任何人都可以用任何其他技术验证这个结果并分享这个观点吗？实际上，我必须处理一个大型数据集，并且想先从简单的事情开始。

我用上面的代码得到的输出如下：

这是处理大量数据集的好方法吗？

谢谢。

【问题讨论】：

@DWin 用于elevation.csv 的数据集在帖子中列出。就是8套积分。
@DWin 数据在顶部更新。
我对其进行了编辑以显示“正确的方式”。（它不是逗号分隔的，我希望你没有把逗号放在里面，因为read.table 可以很容易地用空格处理它。）
@DWin 你认为我得到的结果是正确的结果吗？
嗯，我认为它基本上是正确的。但请参阅下面我的最后一段。

标签： r plot ggplot2 contour geor

【解决方案1】：

我得到这个......在警告和关于没有名为direct.label的函数的错误之后：

Warning messages:
1: In simpleLoess(y, x, w, span, degree, parametric, drop.square, normalize,  :
  span too small.   fewer data values than degrees of freedom.
2: In simpleLoess(y, x, w, span, degree, parametric, drop.square, normalize,  :
  pseudoinverse used at 0.23095 0.70587
3: In simpleLoess(y, x, w, span, degree, parametric, drop.square, normalize,  :
  neighborhood radius 1.9692
4: In simpleLoess(y, x, w, span, degree, parametric, drop.square, normalize,  :
  reciprocal condition number  0
5: In simpleLoess(y, x, w, span, degree, parametric, drop.square, normalize,  :
  There are other near singularities as well. 2.063

在这种数据匮乏的情况下，什么是“正确的”是一个判断问题。由于二维范围的覆盖范围如此参差不齐，我会考虑标记点的 z 值。这些警告是数学变得“压力”的迹象。我认为这表明 y = 30 以上区域存在问题。

【讨论】：